- 博客(3)
- 收藏
- 关注
RSS订阅原创 sklearn----随机森林
在回归树中，MSE不只是我们的分枝质量衡量指标，也是我们最常用的衡量回归树回归质量的指标，当我们在使用交叉验证，或者其他方式获取回归树的结果时，我们往往选择均方误差作为我们的评估（在分类树中这个指标是score代表的预测准确率）。然而，回归树的接口score返回的是R平方，并不是MSE。但是相应的，任何模型都有决策边界，n_estimators达到一定的程度之后，随机森林的精确性往往不在上升或开始波动，并且，n_estimators越大，需要的计算量和内存也越大，训练的时间也会越来越长。
2023-12-19 18:05:55
2012
1
原创 sklearn------决策树
决策树（Decision Tree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。y = np.sin(X).ravel() #其中X是按列排序的随机数，而y是对X进行正弦变换后的结果，并在其中的一些点上加入了一些噪声。使用树的成本（比如说，在预测数据的时候）是用于训练树的数据点的数量的对数，相比于其他算法，这是一个很低的成本。1：决策树往往会过度拟合具有大量特征的数据， 高维空间中样本较少的树很可能会过度拟合。
2023-12-17 23:20:41
158
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人